PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 7

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  fuzja informacji
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Information fusion method of multichannel nanosensors based on neural network
Li Chaoke
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2022
|
Vol. 70, nr 2
art. no. e140258
EN
Information fusion approaches have been commonly used in multi sensor environments for the fusion and grouping of data from various sensors which is used further to draw a meaningful interpretation of the data. Traditional information fusion methods have limitations such as high time complexity of fusion processes and poor recall rate. In this work, a new multi-channel nano sensor information fusion method based on a neural network has been designed. By analyzing the principles of information fusion methods, the back propagation based neural network (BP-NN) is devised in this work. Based on the design of the relevant algorithm flow, information is collected, processed, and normalized. Then the algorithm is trained, and output is generated to achieve the fusion of information based on multi-channel nano sensor. Moreover, an error function is utilized to reduce the fusion error. The results of the present study show that compared with the conventional methods, the proposed method has quicker fusion (integration of relevant data) and has a higher recall rate. The results indicate that this method has higher efficiency and reliability. The proposed method can be applied in many applications to integrate the data for further analysis and interpretations.
2
Content available Hardness identification of rock based on multi-sensor information fusion during the process of roadway tunnelling
Wang H., Lu S., Huang M., Zhao X.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2020
|
Vol. 68, nr 6
1301--1309
EN
In this paper, a new dynamic model was proposed for identifying the rock hardness during the process of roadway tunnelling, thereby regulating the speed of the driving motor and the torque of the cutting head. The presented identification model establishes a multi-information feature database containing vibration signals in the y-axis, acoustic emission signals, cutting current signals, and temperature signals. Subsequently, we obtain the membership functions (MFs) of the given multiple signals with the amount of feature samples according to the principle of minimum fuzzy entropy. Furthermore, a rock hardness identification model was established based on multi-sensor information fusion and Dempster-Shafer (D-S) evidence theory. To prove the accuracy of the proposed model, an identification experiment was carried out through the cutting of a poured mixed rock specimen with five grades of hardness. As a result, the proposed identification model recognizes the rock hardness accurately for fifteen sampling points, which indicates the significance of the method with regard to the dynamic identification of rock hardness during the process of roadway tunnelling, and further provides data support for adjusting the speed of the cutting head adaptively, thereby achieving high efficiency tunnelling.
3
Content available remote Fast BF-ICrA Method for the Evaluation of MO-ACO Algorithm for WSN Layout
Dezert Jean, Fidanova Stefka, Tchamova Albena
Annals of Computer Science and Information Systems
|
2020
|
Vol. 21
241--249
EN
In this paper, we present a fast Belief Function based Inter-Criteria Analysis (BF-ICrA) method based on the canonical decomposition of basic belief assignments defined on a dichotomous frame of discernment. This new method is then applied for evaluating the Multiple-Objective Ant Colony Optimization (MO-ACO) algorithm for Wireless Sensor Networks (WSN) deployment.
4
Content available The proposal of calculation classifier weights for an assembly of classifiers
Burduk R.
Journal of Medical Informatics & Technologies
|
2014
|
Vol. 23
181--186
EN
The selection of classifiers is one of the important problems in the creation of ensemble of classifiers. The paper presents the static selection in which a new method of calculating the weights of individual classifiers is used. The obtained weights can be interpreted in the context of the interval logic. It means that the particular weights will not be provided precisely but their lower and upper values will be used. A number of experiments have been carried out on several medical data sets.
5
Content available Reliability and Risk Assessment of Aircraft Electric Systems
He L., Yin C., Peng W., Yuan R., Huang H.-Z.
Eksploatacja i Niezawodność
|
2014
|
Vol. 16, no. 4
497--506
EN
It is rather difficult in identifying the fault location and performing risk assessment for complex electronic systems. In this paper a reliability assessment method based on the interval analytic hierarchy process (IAHP) and Bayesian network is proposed to facilitate reliability and risk assessment. After considering the major fault factors, the interval eigenvector method (IEM) is also presented to assess the reliability and comprehensive weights of subsystems. The conditional probability matrices for the factors of risk are defined using an inference rule. Then an updating model of information fusion in the context of Bayesian network is established to assess the risk of system. The proposed method is demonstrated through the risk assessment of an aircraft electric system. The result of the illustrative example shows that the proposed method can not only incorporate the evidence information, but also synthesize all the historical information. A further dynamic adjustment in the safety and risk priority of control measures is quite effective to improve the reliability while mitigating the risk of the electric system.
PL
Lokalizacja uszkodzeń oraz ocena bezpieczeństwa i ryzyka w przypadku złożonych systemów elektronicznych jest zadaniem dość trudnym. W niniejszej pracy zaproponowano metodę prognozowania niezawodności opartą na procesie przedziałowej hierarchii analitycznej (IAHP), która ma na celu ułatwienie diagnozy uszkodzeń i kontroli ryzyka. Po rozważeniu głównych czynników wywołujących uszkodzenia, zaprezentowano metodę przedziałowych wektorów własnych oraz zdefiniowano, przy użyciu reguły wnioskowania, macierze prawdopodobieństwa dla czynników wpływających na bezpieczeństwo i ryzyko. Następnie, stworzono odnawialny model fuzji informacji w kontekście wnioskowania bayesowskiego służący do oceny stanu zagrożenia Udowodniono, iż włączenie wiedzy eksperckiej do dynamicznej symulacji ułatwia lokalizację uszkodzeń oraz pozwala uzyskać informacje dotyczące diagnozy uszkodzeń. Studium przypadku pokazuje, że dynamiczne dostosowanie priorytetowości związanej z bezpieczeństwem i ryzykiem stosowanych środków kontroli w sposób dość skuteczny zwiększa niezawodność przy jednoczesnym zminimalizowaniu ryzyka w złożonym systemie elektronicznym.
6
Content available remote Detekcja wyjątków sygnałów biomedycznych w systemach fuzji informacji
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2012
|
R. 88, nr 12b
128-130
PL
W tradycyjnych systemach wspomagania decyzji, czy też systemach ekspertowych decyzja podejmowana jest na podstawie jednego typu informacji, najczęściej zgromadzonej przez eksperta w jednej bazie wiedzy. Silne rozproszenie danych powoduje potrzebę wykorzystania informacji z wielu różnych źródeł i dopiero wówczas wyznaczania określonej (globalnej) decyzji. Autorzy omówili problem detekcji wyjątków, wybrane metody ich wykrywania oraz wykazano znaczenie odpowiedniego doboru miary odległości w przypadku algorytmów hierarchicznych. W niniejszym opracowaniu omówiono zaś problem fuzji informacji skupiając się na modelach i architekturze systemów fuzji. Zaproponowano algorytm globalnej detekcji wyjątków w systemach fuzji danych. Podano również wyniki badań dla zastosowanych algorytmów tj. k-najbliższy sąsiad oraz klasyfikatora Bayes’a.
EN
In traditional decision support systems or expert systems decision is taken on the basis of one type of information, mostly gathered by an expert in a knowledge base. A strong desire to spread the data makes use of information from many different sources and only then determine the specific (global) decision. The authors discussed the problem of outliers detection, the selected method of detection, and demonstrated the importance of appropriate selection of the distance measure for hierarchical algorithms. This paper discusses the problem of fusion data/information. We present models focusing on system architecture. Global detection algorithm is proposed exceptions in data fusion systems. Results are also given for the used algorithms such as k-nearest neighbor and the Bayes classifier.
7
Content available Data sources diversity in technical objects state assessment with information fusion techniques
Jamrozik W.
Diagnostyka
|
2010
|
nr 3(55)
3-8
EN
The paper deals with a relationship between diversity of diagnostic signals sources and efficiency of technical objects states assessment with use of classifier fusion techniques. There is often stated that there should be some differences in sources of signals that are classified and fused. The intuition tells that none or minimal improvement of classification rate is gained when the diversity within the fused classifier set is low. To prove this thesis an active diagnostic experiment was carried out. Diagnostic signals were generated on basis of the thermogram sequences acquired during rotating machinery operation by two IR-cameras. Because in both sequences regions of interests representing the same assemblies of the machine are present, it can be assumed that there is hardware redundancy applied. With use of k-NN classifiers and fuzzy integral and proportional conflict redistribution aggregation rules, the state of the machine is possible to be assessed. The analysis of obtained results showed that there was no strong relationship between the diversity of classifiers and the efficiency of state classification.
PL
W artykule omówiono związek pomiędzy różnorodnością źródeł sygnałów diagnostycznych a efektywnością oceny stanu technicznego maszyny z wykorzystaniem technik fuzji klasyfikatorów. Często zasadne jest twierdzenie, że sygnały diagnostyczne powinny być pozyskiwane z różnorodnych źródeł. Intuicyjnie można przyjąć, że w przypadku wykorzystania w procesie fuzji zbliżonych klasyfikatorów, zwiększenie sprawności klasyfikacji będzie bliskie zeru. W celu udowodnienia tej tezy przeprowadzono aktywny eksperyment diagnostyczny. Sygnały diagnostyczne zostały pozyskane z sekwencji termogramów przedstawiających pracującą maszynę wirnikową. Sygnały zarejestrowano z wykorzystaniem dwóch kamer termowizyjnych. Klasyfikacji stanu maszyny dokonano przy użyciu klasyfikatora k najbliższych sąsiadów, a w procesie fuzji klasyfikatorów wykorzystano całkę rozmytą oraz regułę proporcjonalnej redystrybucji konfliktów jako operatory agregacji. Analiza otrzymanych wyników pokazała, że nie występuje silna relacja pomiędzy różnorodnością klasyfikatorów, a efektywnością oceny stanu technicznego.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.